买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳大学;深圳市大德激光技术有限公司申请的专利基于半监督的焊接缺陷检测方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115272270B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210946387.4，技术领域涉及：G06T7/00；该发明授权基于半监督的焊接缺陷检测方法、装置、设备及介质是由杨亚涛;陈子良;姚宇辉;纳石;张力;杨延钊设计研发完成，并于2022-08-08向国家知识产权局提交的专利申请。

本基于半监督的焊接缺陷检测方法、装置、设备及介质在说明书摘要公布了：本申请涉及一种基于半监督的焊接缺陷检测方法、装置、设备及介质，其中方法包括：获取标注焊接图像和无标注焊接图像，并对无标注焊接图像分别进行弱、强增强处理，得到弱增强图像和强增强图像；通过标注焊接图像对检测模型进行训练，得到初始检测模型；通过初始检测模型对弱增强图像和强增强图像进行焊接缺陷预测，得到弱增强图像预测结果和强增强图像预测结果；基于弱增强图像预测结果与强增强图像预测结果，生成模型损失，且更新阈值，生成目标检测模型；若接收到焊接缺陷检测请求，获取目标检测图像，并对目标检测图像进行焊接缺陷预测，得到目标检测结果。本发明减少了对大量焊接图像的标注工作，降低新能源电池极片焊接缺陷的检测成本。

本发明授权基于半监督的焊接缺陷检测方法、装置、设备及介质在权利要求书中公布了：1.一种基于半监督的焊接缺陷检测方法，其特征在于，包括： 获取标注焊接图像和无标注焊接图像，并对所述无标注焊接图像分别进行弱增强处理和强增强处理，得到弱增强图像和强增强图像，其中，所述标注焊接图像包括焊接缺陷标签； 通过所述标注焊接图像对检测模型进行训练，得到初始检测模型，其中，所述初始检测模型包括所述标注焊接图像与所述焊接缺陷标签的第一损失； 通过所述初始检测模型对所述弱增强图像和所述强增强图像进行焊接缺陷预测，得到弱增强图像预测结果和强增强图像预测结果； 若所述弱增强图像预测结果大于阈值，则基于所述弱增强图像预测结果生成伪标签，并将所述伪标签与所述强增强图像预测结果进行交叉熵损失计算，得到第二损失，若所述弱增强图像预测结果小于所述阈值，则基于所述弱增强图像预测结果与所述强增强图像预测结果，进行一致性正则化损失计算，得到第三损失； 基于所述第一损失、所述第二损失以及所述第三损失，生成模型损失，并基于所述模型损失，更新所述阈值，且返回执行所述通过所述初始检测模型对所述弱增强图像和所述强增强图像进行焊接缺陷预测的步骤，直至所述模型损失小于第一预设值，得到目标检测模型； 若接收到焊接缺陷检测请求，获取目标检测图像，并通过所述目标检测模型对所述目标检测图像进行焊接缺陷预测，得到目标检测结果； 其中，所述若所述弱增强图像预测结果大于阈值，则基于所述弱增强图像预测结果生成伪标签，并将所述伪标签与所述强增强图像预测结果进行交叉熵损失计算，得到第二损失，若所述弱增强图像预测结果小于所述阈值，则基于所述弱增强图像预测结果与所述强增强图像预测结果，进行一致性正则化损失计算，得到第三损失，包括： 若所述弱增强图像预测结果大于所述阈值，则将所述弱增强图像预测结果进行镜像处理，得到所述伪标签； 计算所述伪标签与所述强增强图像预测结果的交叉熵损失，得到所述第二损失； 若所述弱增强图像预测结果小于所述阈值，则通过预设公式，计算所述弱增强图像预测结果与所述强增强图像预测结果的缺陷类别损失和位置损失，并将所述缺陷类别损失和所述位置损失进行求和计算，以计算所述一致性正则化损失，得到所述第三损失； 所述预设公式包括第一预设公式和第二预设公式； 所述第一预设公式为： ； 其中，为所述缺陷类别损失，与分别为所述弱增强图像预测结果与所述强增强图像预测结果中的缺陷类别，JS为JS散度； 所述第二预设公式为： ； 其中，为所述位置损失，与分别为所述弱增强图像预测结果与所述强增强图像预测结果中左上顶点坐标，与分别为所述弱增强图像预测结果与所述强增强图像预测结果中的高和宽； 所述基于所述第一损失、所述第二损失以及所述第三损失，生成模型损失，并基于所述模型损失，更新所述阈值，且返回执行所述通过所述初始检测模型对所述弱增强图像和所述强增强图像进行焊接缺陷预测的步骤，直至所述模型损失小于第一预设值，得到目标检测模型，包括： 将所述第一损失、所述第二损失以及所述第三损失进行求和处理，得到所述模型损失； 判断所述模型损失是否小于所述第一预设值，若否，则按照预设增加值，对所述阈值进行更新； 从所述初始检测模型中抽离出所述弱增强图像和所述强增强图像； 通过反向传播的方式，将所述弱增强图像和所述强增强图像重新输入到所述初始检测模型中，以使得所述初始检测模型进行焊接缺陷预测，直至所述模型损失小于第一预设值，得到所述目标检测模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳大学;深圳市大德激光技术有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道南海大道3688号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。